Jerkson 技术文档
2024-12-20 03:06:15作者:薛曦旖Francesca
1. 安装指南
环境要求
- Scala 2.8.2 或 2.9.1
- Jackson 1.9.x
添加依赖
在项目的 pom.xml 文件中添加以下内容:
<repositories>
<repository>
<id>repo.codahale.com</id>
<url>http://repo.codahale.com</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>com.codahale</groupId>
<artifactId>jerkson_${scala.version}</artifactId>
<version>0.5.0</version>
</dependency>
</dependencies>
2. 项目的使用说明
解析 JSON
解析 JSON 数组
import com.codahale.jerkson.Json._
// 解析 JSON 数组
parse[List[Int]]("[1,2,3]") //=> List(1,2,3)
解析 JSON 对象
// 解析 JSON 对象
parse[Map[String, Int]]("""{"one":1,"two":2}""") //=> Map("one"->1,"two"->2)
解析 JSON 对象为 case class
// 解析 JSON 对象为 case class
case class Person(id: Long, name: String)
parse[Person]("""{"id":1,"name":"Coda"}""") //=> Person(1,"Coda")
解析流式数组
// 解析流式数组
for (person <- stream[Person](inputStream)) {
println("New person: " + person)
}
生成 JSON
生成 JSON 数组
// 生成 JSON 数组
generate(List(1, 2, 3)) //=> [1,2,3]
生成 JSON 对象
// 生成 JSON 对象
generate(Map("one"->1, "two"->"dos")) //=> {"one":1,"two":"dos"}
3. 项目 API 使用文档
解析 JSON
parse[T](json: String): T:将 JSON 字符串解析为指定类型的对象。stream[T](inputStream: InputStream): Iterator[T]:从输入流中解析 JSON 数组,并返回一个迭代器。
生成 JSON
generate(obj: Any): String:将 Scala 对象转换为 JSON 字符串。
处理 snake_case 字段名
@JsonSnakeCase:用于 case class,将字段名转换为snake_case格式。
4. 项目安装方式
通过 Maven 安装
在项目的 pom.xml 文件中添加以下依赖:
<repositories>
<repository>
<id>repo.codahale.com</id>
<url>http://repo.codahale.com</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>com.codahale</groupId>
<artifactId>jerkson_${scala.version}</artifactId>
<version>0.5.0</version>
</dependency>
</dependencies>
通过 SBT 安装
在 build.sbt 文件中添加以下内容:
resolvers += "repo.codahale.com" at "http://repo.codahale.com"
libraryDependencies += "com.codahale" %% "jerkson" % "0.5.0"
通过以上步骤,您可以成功安装并使用 Jerkson 项目。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
628
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
887
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
303
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381